論文の概要: Helpful Neighbors: Leveraging Neighbors in Geographic Feature Pronunciation

• arxiv url: http://arxiv.org/abs/2210.10200v1
• Date: Tue, 18 Oct 2022 22:55:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 14:01:44.640584
• Title: Helpful Neighbors: Leveraging Neighbors in Geographic Feature Pronunciation
• Title（参考訳）: 有用な隣人:地理的特徴の発音で隣人を活用する
• Authors: Llion Jones, Richard Sproat, Haruko Ishikawa, Alexander Gutkin
• Abstract要約: 本稿では,特定の特徴の発音を推測するために,隣接する名前の発音を学習する新しいアーキテクチャを提案する。 日本語の地名に応用して,Googleマップにおける誤り訂正の検索と提案のためのモデルの有用性を実証する。 我々はまた、全く異なるタスクに対する適用について報告する: 比較歴史言語学におけるコグネート反射予測。
• 参考スコア（独自算出の注目度）: 69.34388661539877
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: If one sees the place name Houston Mercer Dog Run in New York, how does one know how to pronounce it? Assuming one knows that Houston in New York is pronounced "how-ston" and not like the Texas city, then one can probably guess that "how-ston" is also used in the name of the dog park. We present a novel architecture that learns to use the pronunciations of neighboring names in order to guess the pronunciation of a given target feature. Applied to Japanese place names, we demonstrate the utility of the model to finding and proposing corrections for errors in Google Maps. To demonstrate the utility of this approach to structurally similar problems, we also report on an application to a totally different task: Cognate reflex prediction in comparative historical linguistics. A version of the code has been open-sourced (https://github.com/google-research/google-research/tree/master/cognate_inpaint_neighbors).
• Abstract（参考訳）: もしニューヨークでHouston Mercer Dog Runという地名を見たら、どうやって発音したらいいのか? ニューヨークではヒューストンが「ハウ・ストン」と発音され、テキサス・シティに似ていないと仮定すると、「ハウ・ストン」はドッグ・パークの名前でも使われていると推測できる。 本稿では,特定の特徴の発音を推測するために,隣接する名前の発音を学習する新しいアーキテクチャを提案する。 日本語の地名に応用して,Googleマップにおける誤り訂正の検索と提案のためのモデルの有用性を示す。 構造的に類似した問題に対するこのアプローチの有用性を示すために、我々はまた、全く異なるタスクへの応用について報告する: 比較歴史言語学におけるコグネート反射予測。 コードのバージョンがオープンソース化された(https://github.com/google-research/google-research/tree/master/cognate_inpaint_neighbors)。

関連論文リスト

• CityGuessr: City-Level Video Geo-Localization on a Global Scale [54.371452373726584]
  本稿では, 都市, 州, 国, 大陸を階層的に予測することを目的とした, グローバルな地平化の新たな課題を提案する。 この問題を解決するためのモデルをトレーニングするために、世界中をカバーした大規模なビデオデータセットは存在しない。 我々は、世界中の166都市から68,269の動画からなる新しいデータセット、CityGuessr68kを紹介した。
  論文  参考訳（メタデータ） (2024-11-10T03:20:00Z)
• A Stochastic Analysis of the Linguistic Provenance of English Place Names [0.0]
  H' は英語の最も古風な地名であり、Anna' は最小である。 非英語のデータセットの地名はノルウェーの地名に最もよく似ており、ウェールズの地名に最も近い。
  論文  参考訳（メタデータ） (2023-12-20T09:01:01Z)
• Minimal Effective Theory for Phonotactic Memory: Capturing Local Correlations due to Errors in Speech [0.0]
  話し言葉における局所的な音声相関は、その情報内容を減らすことによって、話し言葉の学習を促進する。 局所接続型テンソルネットワークモデルを構築し、多体物理学で用いられる同様の変分モデルに着想を得た。 したがって、モデルは音素記憶の最小モデルであり、「発音への学習」と「単語の学習」は同一である。
  論文  参考訳（メタデータ） (2023-09-04T22:11:26Z)
• Language-enhanced RNR-Map: Querying Renderable Neural Radiance Field maps with natural language [51.805056586678184]
  自然言語クエリプロンプトを用いた視覚ナビゲーションのための言語拡張型Renderable Neural Radiance Mapを提案する。 Le-RNR-Mapは、各ピクセルに配置された遅延符号からなるグリッド構造を用いる。 CLIPをベースとした埋め込みコードによりRNRマップを強化し,ラベルデータを追加せずに自然言語検索を可能にする。
  論文  参考訳（メタデータ） (2023-08-17T08:27:01Z)
• Automatic Dialect Density Estimation for African American English [74.44807604000967]
  アフリカ・アメリカン・イングリッシュ(AAE)方言の方言密度の自動予測について検討する。 方言密度は、非標準方言の特徴を含む発話における単語の割合として定義される。 このデータベースでは,AAE音声に対する予測された真理弁証密度と地上の真理弁証密度との間に有意な相関関係を示す。
  論文  参考訳（メタデータ） (2022-04-03T01:34:48Z)
• Similarities between Arabic Dialects: Investigating Geographical Proximity [0.0]
  本稿では,アラブ諸国に位置する都市の地理的近接が方言的類似性に及ぼす影響について考察する。 以上の結果から,異なる国に位置する都市は,地理的近接度によって,同一国の都市よりも方言的類似性が高いことが示唆された。
  論文  参考訳（メタデータ） (2021-05-10T09:32:21Z)
• Seeing wake words: Audio-visual Keyword Spotting [103.12655603634337]
  KWS-Netは、類似マップ中間表現を用いてタスクをシーケンスマッチングとパターン検出に分離する新しい畳み込みアーキテクチャである。 本手法は他の言語,特にフランス語とドイツ語に一般化し,より少ない言語データで英語に匹敵する性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-09-02T17:57:38Z)
• Class LM and word mapping for contextual biasing in End-to-End ASR [4.989480853499918]
  近年、オールニューラル・エンド・ツー・エンド(E2E)ASRシステムは音声認識コミュニティに急速に関心を寄せている。 本稿では,コンテキスト認識型E2Eモデルの学習アルゴリズムを提案する。 E2Eモデルは発音辞書を必要としないが、既存の発音知識を利用して精度を向上させることは興味深い。
  論文  参考訳（メタデータ） (2020-07-10T20:58:44Z)
• How Does That Sound? Multi-Language SpokenName2Vec Algorithm Using Speech Generation and Deep Learning [4.769747792846004]
  SpokenName2Vecは、同様の名前提案問題に対処する、新しくて汎用的なアプローチである。 提案手法は25万のフォアネームからなる大規模データセット上で実証された。 提案手法の性能は,本研究で評価した他の10種類のアルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-05-24T20:39:00Z)
• Lexical Sememe Prediction using Dictionary Definitions by Capturing Local Semantic Correspondence [94.79912471702782]
  セメムは人間の言語の最小の意味単位として定義されており、多くのNLPタスクで有用であることが証明されている。 本稿では,このようなマッチングを捕捉し,セメムを予測できるセメム対応プールモデルを提案する。 我々は,有名なSememe KB HowNetのモデルとベースライン手法を評価し,そのモデルが最先端のパフォーマンスを実現することを発見した。
  論文  参考訳（メタデータ） (2020-01-16T17:30:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。